在 Day 1 ，我定義了本次挑戰要解決的問題：「利用 ES Cloud 打造我的盤後選股工具」。接下來，最重要的任務就是搜集盤後資訊並且放進 Elastic Search。首先從基礎的核心概念開始探索吧！

ES 基礎架構: Node & Cluster

Node 用來存放資料。當我們啟動一個 Elasticsearch 的實例時，也就是啟動了一個 Node。而一個 Elasticsearch instance 其實就是作業系統中的一個 Java Process，因此在一個機器上，可以有多個 Node 來存放資料。

Node = ES instance = Java Process

Cluster 是相關聯 Node 組成的集合。在 ES Cloud 上部署 Elasticsearch，實際上就是創建一個 Cluster。透過 Kibana 的 Dev Tools，我們可以察看 Cluster 的資訊，如圖：

可以發現，在 ES Cloud 上的預設部署會創建一個 Cluster，其中包含 3 個 Node。

ES 的資料架構: Document & Index

ES 中，資料的最小單位叫 Documen，是 JSON 物件，存放在 Index 中。而相同類型的資料為其創建 Index，形成一個集合。

同樣的透過 Dev Tool，可以觀察一下 ES 部署後，預設的 Index 資訊，如圖：

與關聯式資料庫的對比

• ES Index = Database
• ES Document = A single record in data table

在比較舊的 ES 版本中有所謂的對映型別 (Mapping Type)，並將其對比於關聯式資料庫的 Table。但這其實是一個不正確的對比假設，並且造成了一些潛在的問題，因此 ES 7.0 以上的版本已經將 Mapping Type 移除了，詳細資訊可以參考這篇文章。

對 Elasticsearch 的資料管理有了概念上的理解後，下一步，就來看看怎麼把資料塞進去吧！